高安全性、高速度、高密度的竞争优势使高速铁路越来越受到广大旅客的青睐,但与此同时,旅客也越来越关注高速铁路的运营可靠性。在保证安全的前提下提供高质量的可靠服务是铁路运输行业发展的首要任务和重要内容。然而,列车在运行途中会遇到大量随机干扰并进而导致列车晚点,列车受到干扰后的晚点恢复能力直接影响高速铁路的服务质量。高效地恢复高速列车晚点是调度员日常工作的重中之重,选择并实施合理的调度策略是调度指挥水平的重要体现。因此,基于列车运行实绩提取列车运行规律并建立列车晚点恢复模型,将运行调整策略下的高铁列车晚点恢复的影响特征及其作用机理进行数理化探究,有利于调度员预测晚点列车的运行趋势,可以根据相关参数预估运行调整策略可能产生的效果,从而实现调度决策的辅助决策,制定更为有效的运行调整计划。本研究基于列车晚点恢复发生过程,将高速列车运行过程的环境作为“灰箱”处理,根据实绩数据分析列车状态,通过挖掘数据探索运行规律。首先采用数理统计方法分析影响列车晚点恢复的晚点时间分布规律、计划冗余时间分布规律及冗余时间利用规律;接着探索不同运行调整策略下的晚点恢复的分布规律,探究晚点恢复与晚点时间和冗余时间布局之间关系;最后利用机器学习方法建立不同运行调整策略的晚点恢复预测模型,以描述解释不同运行调整策略下的晚点恢复机理。首先,采用非参数估计方法确定晚点时长概率密度分布模型,在此基础上利用参数估计方法对晚点的时空分布规律进行拟合,发现不同车站、不同区间、不同节假日和不同时段下的晚点概率密度分布均服从双参数负指数模型。接着对车站和区间的计划冗余时间时空分布规律与冗余时间利用量时空分布规律进行统计,发现无论冗余时间计划值还是利用值,车站的都比区间大,而且无论车站还是区间,计划值和利用值都集中在07:00-21:00时间段,同时,长沙南站的冗余时间计划值和利用值大于其他车站,株洲西-长沙南区间的冗余时间计划值和利用值也较其他区间更大。然后对不同运行调整策略下的晚点恢复时长进行时空建模,发现:无论在车站还是区间,无论分节假日还是分时段,晚点恢复都遵循双参数负指数分布模型。探索晚点恢复与晚点时长和计划冗余时间之间的相关关系,选用K-Means算法分别对不同调整策略下车站和区间的晚点恢复进行聚类,分类后不同类别间的晚点恢复情况有明显区别,分类结果良好。最后,基于梯度提升回归树算法建立不同调度策略下的晚点恢复回归预测模型。首先整理得到与晚点恢复相关的六个变量,然后采用逐步回归方法进行多元变量特征选择,选出对晚点恢复有影响的变量特征组合,并采用梯度提升回归树(GBRT)的算法建立晚点恢复的回归预测模型,并在预测时选择随机森林模型进行对比,结果显示GBRT回归预测模型的精度要高于随机森林预测模型。